[发明专利]一种电压暂降扰动下敏感客户电能体验质量的预警方法

说明书

技术领域

本发明涉及电力技术领域，尤其涉及一种电压暂降扰动下敏感客户电能体验质量的预警方法。

背景技术

近年来，伴随着现代工业和经济的发展，计算机、电力电子设备等敏感负荷在各个行业广泛应用，导致电力客户对电压暂降、电压骤升、短时中断(interruption)等非常敏感,单个设备或元件的故障可能造成极大的经济损失。另一方面，一些电弧炉、整流器、单相负荷、大功率电动机等波动性或冲击性负荷并入电网，特别是大量的谐波和次谐波分量的注入，导致电网中电压和电流波形的严重失真。另外，一些外部因素如雷电、外力破坏、树枝影响、电网设备故障等也会干扰电力系统的正常运行，导致电能质量问题时有发生。目前电力系统中对电压暂降敏感的负荷越来越多,电压暂降已经成为造成电压敏感设备不能正常工作的主要原因,调研表明在各类电能质量问题中由电压暂降造成的客户损失占电能质量损失的80%以上。

在实际应用中，根据用电负荷不同的特性以及对电能质量的要求与敏感度，一般将用电负荷分为普通负荷、敏感负荷。一些电力系统客户使用了大量的敏感负荷，将其称为电能质量敏感客户。电能质量问题的客观存在和敏感负荷的敏感特性导致敏感客户的电力使用存在巨大风险。对于这类客户，即使出现轻微的电能质量问题，也会导致严重的经济损失。

电能质量扰动（PQD）信号形式纷繁复杂，如何正确提取扰动信号的特征量以及如何准确的识别扰动信号类型成为解决与提高电能质量的首要问题。此外，客户电能体验质量不单单取决于供电质量，还和客户敏感程度紧密相关。

发明内容

本发明基于S变换快速算法和增量SVM分类器实现对电压暂降扰动的自动识别，并使用最大熵方法估计用户敏感负荷在电压暂降扰动下的故障率。

具体的，本发明提供的一种电压暂降扰动下敏感客户电能体验质量的预警方法，包括：

基于S变换快速算法和增量SVM分类器，对敏感客户的电压暂降扰动进行自动识别；

基于所述电压暂降扰动识别的结果，确定几类敏感客户对应的设备在不同负载水平下的电压耐受曲线；

根据电压暂降扰动的历史监测数据作为样本，转化为电压暂降的幅值严重性指标MSI和持续时间严重性指标DSI的样本值，并基于最大熵原理确定MSI和DSI的概率密度函数，评估敏感设备故障概率，得出敏感客户对应的敏感设备在在电压暂降级别下发生故障的概率。

其中，所述基于S变换快速算法和增量SVM分类器，对敏感客户的电压暂降扰动进行自动识别，包括：

确定敏感客户作为监测点，对其电能质量扰动进行实时监测，获取作为监测点的敏感设备电压信号、电流信号；

对于监测点的电压信号和电流信号，基于S变换快速算法进行特征抽取，提取各频率段模系数的标准偏差、最大模系数及额定频率对应的模系数作为扰动信号的特征向量；

将所述特征向量输入至增量SVM分类器中进行电能质量扰动分类，自动识别电压暂降扰动。

其中，所述S变换快速算法如下所示：

其中，ω(τ-t,σ)为单位区域内所有频率v的广义窗函数。

其中，将所述特征向量输入至增量SVM分类器中进行电能质量扰动分类，自动识别电压暂降扰动，包括：

将特征向量进行时间窗口划分，使用增量学习机制，对一个时间窗口内到达的特征向量进行成批的学习；

在最近n个时间窗口内，如果一个特征向量样本没有成为支持向量的次数超过ξ，则将其从训练集中删除。

其中，所述敏感设备包括可编程逻辑控制PLC、可调速驱动装置ASD、计算机PC、交流接触器ACC。

其中，所述最大熵模型为：